1
00:00:00,001 --> 00:00:06,600
Hoi, leuk dat je weer luistert naar een korte aflevering van AIToday Live.
2
00:00:06,600 --> 00:00:11,200
Dit is wel een leuke want het wordt namelijk een drieluik.
3
00:00:11,200 --> 00:00:14,040
Dus vandaag krijg je deel 1 te horen.
4
00:00:14,040 --> 00:00:19,960
En we gaan het namelijk hebben over hoe zet je nou een goed AI-experiment op.
5
00:00:19,960 --> 00:00:25,080
Mijn naam is Joop Snijder, CTO bij Aigency en ik ga je erbij helpen.
6
00:00:25,080 --> 00:00:32,480
Waarom is het nou zo belangrijk dat als je wilt gaan experimenteren met AI dat je dat
7
00:00:32,480 --> 00:00:35,040
op deze manier gaat aanpakken?
8
00:00:35,040 --> 00:00:41,280
Het eerste punt is dat het belangrijk is dat je dingen goed vastlegt wat je gaat doen.
9
00:00:41,280 --> 00:00:43,920
Dus dat je een duidelijk plan hebt.
10
00:00:43,920 --> 00:00:51,560
Een experiment is kort, is een soort van pressure cooking formaat waarin je in een hele korte
11
00:00:51,560 --> 00:00:59,440
periode wil bewijzen dat wat je in je hoofd hebt, dat dat kan, dat dat werkt, dat je data
12
00:00:59,440 --> 00:01:04,000
daarvoor in orde is en eigenlijk dat het ook waarde oplevert.
13
00:01:04,000 --> 00:01:06,480
Dus dat is het allerbelangrijkste.
14
00:01:06,480 --> 00:01:13,600
Ik heb bij zoveel kickstart-offs gezeten, bij zoveel start van projecten waarbij er vooral
15
00:01:13,600 --> 00:01:18,000
wordt gesproken over wat voor processen we gaan volgen en allemaal dat soort dingen.
16
00:01:18,000 --> 00:01:20,960
Maar er wordt eigenlijk niet vastgelegd namelijk wat is het doel.
17
00:01:20,960 --> 00:01:26,000
Dus dat betekent dat je aan de start staat, het startslot gaat af en iedereen loopt een
18
00:01:26,000 --> 00:01:28,520
hele andere kant op en niemand rent naar de finish.
19
00:01:28,520 --> 00:01:29,520
Dus dat wil je niet.
20
00:01:29,520 --> 00:01:34,080
Dus goed vastleggen wat ga je doen en waarom ga je het doen.
21
00:01:34,080 --> 00:01:40,840
En dat is zeker voor AI experimenten van essentieel belang omdat er namelijk heel veel onzekerheden
22
00:01:40,840 --> 00:01:41,840
zijn.
23
00:01:41,840 --> 00:01:47,560
Kijk, als we een, laten we zeggen, traditioneel software systeem gaan maken dan kan je daar
24
00:01:47,560 --> 00:01:51,840
requirements voor schrijven, specificaties, weet je wat je moet doen.
25
00:01:51,840 --> 00:01:57,360
Eigenlijk gaat het daarom als je maar genoeg tijd, geld en de juiste expertise er tegenaan
26
00:01:57,360 --> 00:02:00,800
zet weet je dat je krijgt wat je vraagt.
27
00:02:00,800 --> 00:02:03,200
Dus bij AI is dat gewoon anders.
28
00:02:03,200 --> 00:02:05,720
Dus welke data heb je?
29
00:02:05,720 --> 00:02:10,240
Zitten de patronen die je denkt dat in die data zou moeten zitten, zitten die er wel
30
00:02:10,240 --> 00:02:11,240
in?
31
00:02:11,240 --> 00:02:17,800
Heb je je data, heb je die wel, zitten die niet in bijvoorbeeld andere silo's of heb
32
00:02:17,800 --> 00:02:25,760
je je data op een heel ander detailniveau dan die je nodig hebt voor het creëren van het
33
00:02:25,760 --> 00:02:26,760
algoritme.
34
00:02:26,760 --> 00:02:32,240
Bij generatieve AI gaat het er natuurlijk ook over van ja is de stand van de techniek
35
00:02:32,240 --> 00:02:36,680
al zover dat precies dat kan wat jij hoopt dat het kan.
36
00:02:36,680 --> 00:02:45,080
Dus wat je met een AI experiment probeert te doen is risico's verlagen, je probleem kleiner
37
00:02:45,080 --> 00:02:50,160
maken en heel snel inzicht krijgen in waarden.
38
00:02:50,160 --> 00:02:53,520
Van hoeveel waarden zit je in?
39
00:02:53,520 --> 00:03:03,040
Om het allemaal concreet te maken leek het mij leuk om ook een concrete case te pakken.
40
00:03:03,040 --> 00:03:07,160
Er is een open aanbesteding geweest van de universiteit.
41
00:03:07,160 --> 00:03:15,040
En de universiteit die krijgt 13.000 mailtjes per jaar binnen over de toelatingseisen of
42
00:03:15,040 --> 00:03:18,840
studenten ook de studie kunnen volgen.
43
00:03:18,840 --> 00:03:26,040
En wat zij dachten is van hey mailtjes misschien kunnen we die automatisch beantwoorden.
44
00:03:26,040 --> 00:03:27,560
Zeker nu met generatieve AI.
45
00:03:27,560 --> 00:03:29,600
Dus die hadden een case uitgezet.
46
00:03:29,600 --> 00:03:34,120
En ze dachten dat is nou een mooi case om te laten zien hoe je dit soort dingen aanpakt.
47
00:03:34,120 --> 00:03:39,280
En het geldt voor, want we gaan het hier zo direct hebben over generatieve AI, maar het
48
00:03:39,280 --> 00:03:44,640
geldt ook zo direct voor andere machine learning AI systemen.
49
00:03:44,640 --> 00:03:45,800
Het gaat eigenlijk om het idee.
50
00:03:45,800 --> 00:03:48,200
Nou, dus die case.
51
00:03:48,200 --> 00:03:49,400
13.000 mail.
52
00:03:49,400 --> 00:03:54,800
Ze zijn ongeveer vier minuten per mail bezig om dat te beantwoorden.
53
00:03:54,800 --> 00:04:01,800
Maar daar komt ook nog allerlei opvolging omdat er info ontbreekt van de student.
54
00:04:01,800 --> 00:04:06,640
Dus dat er niet precies gezegd kan worden van "oh ja, weet je, je voldoet aan de toelatingseisen,
55
00:04:06,640 --> 00:04:07,640
ja of nee".
56
00:04:07,640 --> 00:04:11,000
Dus daar komt nog zo'n 180 uur opvolging bij.
57
00:04:11,000 --> 00:04:18,760
En zeg dat dat 100 euro per uur kost voor het beantwoorden van dit soort mail.
58
00:04:18,760 --> 00:04:26,560
Dan heb je te maken met 100.000 euro die je besteedt per jaar aan het beantwoorden van
59
00:04:26,560 --> 00:04:27,560
deze mails.
60
00:04:27,560 --> 00:04:32,480
Dus in ieder geval, als je dat soort dingen uitrekent, weet je van "oh ja, misschien…"
61
00:04:32,480 --> 00:04:36,120
Dan weet je in ieder geval wat een mogelijk budget zou kunnen zijn.
62
00:04:36,120 --> 00:04:40,720
Met 100.000 euro per jaar is wat te doen als je dat naar beneden zou kunnen krijgen.
63
00:04:40,720 --> 00:04:47,280
En dan bij zo'n experiment, ik begon al van "wat is je doel?".
64
00:04:47,280 --> 00:04:52,200
Want als we het hebben over die kosten, dan zou je misschien denken "oh maar, het gaat
65
00:04:52,200 --> 00:04:54,720
misschien om het verlagen van de kosten".
66
00:04:54,720 --> 00:04:58,400
Maar wat als dat nou niet je doel was?
67
00:04:58,400 --> 00:05:04,640
Als het nou het doel is van "ja maar misschien willen we juist meer studenten aantrekken".
68
00:05:04,640 --> 00:05:10,480
Waardoor het dus veel belangrijker is om hele goede informatie te geven zodat veel meer
69
00:05:10,480 --> 00:05:15,240
studenten zich aanmelden voor deze studie.
70
00:05:15,240 --> 00:05:22,640
Misschien gaat het wel over dat je eigenlijk je medewerkers tevredenheid wil verhogen.
71
00:05:22,640 --> 00:05:25,040
Zodat ze minder mail hoeven af te handelen.
72
00:05:25,040 --> 00:05:30,440
Omdat dat misschien wordt ervaren als een heel vervelend, lastig klusje.
73
00:05:30,440 --> 00:05:33,320
Dan heb je het over een heel ander doel.
74
00:05:33,320 --> 00:05:39,800
Uiteraard kan het ook zijn dat je zegt "ja maar we willen die kosten willen we verlagen.
75
00:05:39,800 --> 00:05:46,520
Dus we willen die mailtjes veel meer geautomatiseerd beantwoorden".
76
00:05:46,520 --> 00:05:50,480
Maar het zou ook kunnen zijn dat je juist de studenten tevredenheid wil hebben omdat
77
00:05:50,480 --> 00:05:52,440
je dan sneller antwoordt.
78
00:05:52,440 --> 00:05:56,400
Dus nu zit er een bepaalde doorlooptijd in het beantwoorden van die mailtjes.
79
00:05:56,400 --> 00:05:59,320
Dan zeg je misschien "ja, misschien willen we dat verlagen".
80
00:05:59,320 --> 00:06:06,000
Dus het heel goed nadenken over "ja maar wat wil je nou exact bereiken?"
81
00:06:06,000 --> 00:06:15,680
Is het allerbelangrijkste voordat je überhaupt verder nadenkt over "wat is nou de invulling
82
00:06:15,680 --> 00:06:18,120
en wat gaan we exact doen?"
83
00:06:18,120 --> 00:06:25,080
Dus stel, we kiezen ervoor als doelstelling kunnen we meer studenten werven als de toelatingseisen
84
00:06:25,080 --> 00:06:26,080
duidelijker zijn.
85
00:06:26,080 --> 00:06:30,440
En als dit de doelstelling is die bij je past, kunnen we het nog specifieker maken.
86
00:06:30,440 --> 00:06:37,000
Namelijk kunnen we 10% meer studenten werven in dit jaar als de toelatingseisen duidelijker
87
00:06:37,000 --> 00:06:38,000
zijn voor studenten.
88
00:06:38,000 --> 00:06:42,400
En dan heb je uiteindelijk ook een meetbaar resultaat, een meetbaar doel.
89
00:06:42,400 --> 00:06:47,960
En dan ga je nog een stapje verder en dan gaan we zeggen van "ja maar wat is dan de
90
00:06:47,960 --> 00:06:48,960
hypothese?"
91
00:06:48,960 --> 00:06:54,040
En de hypothese, net hebben we eigenlijk een vraag gesteld, vraagteken erachter.
92
00:06:54,040 --> 00:06:58,240
Hypothese hebben we, gaan we een uitroepteken erachter zetten.
93
00:06:58,240 --> 00:07:02,320
En bij de hypothese gaan we dus nadenken "ja hoe zouden we dan invulling kunnen geven
94
00:07:02,320 --> 00:07:03,880
aan deze vraag?"
95
00:07:03,880 --> 00:07:09,880
Dus je zou kunnen denken van "hebben we misschien een betere zoekfunctie nodig op de website?"
96
00:07:09,880 --> 00:07:12,280
"Zouden we templates kunnen gebruiken?"
97
00:07:12,280 --> 00:07:15,440
Of "hebben we een chatbot nodig?"
98
00:07:15,440 --> 00:07:19,560
Kijk uiteindelijk in die aanbesteding stond meteen al de chatbot, maar de vraag is of
99
00:07:19,560 --> 00:07:23,880
je die technologie ook meteen zeg maar als uitgangspunt moet nemen.
100
00:07:23,880 --> 00:07:31,520
Want als we de betere zoekfunctie website kiezen, dan heb je misschien vaak nog specifiekere
101
00:07:31,520 --> 00:07:34,160
persoonlijke info nodig van de mensen.
102
00:07:34,160 --> 00:07:38,960
Of als je templates gaat inzetten, heb je nog steeds wel handwerk, maar neem misschien
103
00:07:38,960 --> 00:07:42,160
dat handwerk heel erg af en kan je ook je doel bereiken.
104
00:07:42,160 --> 00:07:47,720
Ga je een chatbot inzetten, ja dan moet je er een hele gespecialiseerde chatbot van maken
105
00:07:47,720 --> 00:07:52,240
die dus alleen antwoord geeft op die toelatingseisen.
106
00:07:52,240 --> 00:07:57,720
En hoe verlaag je dan uiteindelijk het aantal mail?
107
00:07:57,720 --> 00:08:04,600
Nou de volgende stap is het kiezen van je hypothese en hoe dat gaat en hoe je die uiteindelijk
108
00:08:04,600 --> 00:08:10,560
ook heel specifiek en meetbaar maakt, dat hoor je volgende week in deel 2.
109
00:08:10,560 --> 00:08:16,160
Trouwens, het AI-experiment kun je downloaden, gratis, geen data.
110
00:08:16,160 --> 00:08:19,000
En ze zeggen al "gratis dan kost je dat wat".
111
00:08:19,000 --> 00:08:22,360
Hier helemaal niks, alleen downloaden en het gebruiken.
112
00:08:22,360 --> 00:08:23,960
Link staat in de show notes.
113
00:08:23,960 --> 00:08:25,240
Dankjewel voor het luisteren!
114
00:08:25,240 --> 00:08:27,240
[Muziek]